Audio kasete s intervjuima i oralnom poviješću u Hrvatskoj: digitalizacija etnografskih i obiteljskih snimki

Digitalizacija kazete s intervjuom nije isto što i digitalizacija glazbene kazete — i to nije marketinška floskula nego mjerno različit proces. Govor traži drugačiji reprodukcijski deck (Tascam 122MKIII za handheld diktafonske, Nakamichi Dragon za etnografske terenske), drugačiji restauracijski lanac (iZotope RX 11 Dialogue Isolate umjesto Music Rebalance), i drugačiji arhivski deposit format (IASA TC-03 protokol + BWF s popunjenim <bext> chunkom umjesto pukog WAV-a). U EachMoment laboratoriju izmjereno je 312 kazeta s intervjuima primljenih iz hrvatskih adresa između siječnja 2024. i svibnja 2026. Prosječna razabranost (STI, Speech Transmission Index po IEC 60268-16) raste s 0,42 na konzumerskom USB lancu na 0,88 na Nakamichi Dragon + iZotope RX 11 govornom lancu — to je razlika između snimke u kojoj "čujete neke riječi" i snimke u kojoj se može transkribirati svaki fonem. U ovom članku pokazujemo cijelu lancu, dva audio primjera (diktafonski intervju, etnografska terenska snimka 1978.), distribuciju formata koje primamo, i konkretne IASA TC-03 protokole koji vrijede za obiteljske, etnografske i oralno-povijesne snimke. Cijena: od 8,99 € po kazeti uz količinski popust.

Šest stvari koje treba znati prije slanja kazete s intervjuom

• Govor nije glazba. Glazbeni restauracijski lanac (afftdn nr=12+, glazbena de-noise) na govoru briše formante. Razabranost se smanji. Treba lanac orijentiran na dialogue — RX 11 Dialogue Isolate, Mouth De-click, blagi De-rustle.
• Diktafonske kazete reproducira Tascam 122MKIII, terenske etnografske Nakamichi Dragon. Razlog: handheld kazetofoni snimaju s AGC kompresijom unutar očekivanog azimuta; terenski aparati 1970-ih imali su nakrivljene glave i traže auto-azimut korekciju (NAAC) prilikom reprodukcije.
• Arhivski format je 24-bit/96 kHz BWF, ne MP3. IASA TC-04 §6 propisuje BWF s popunjenim <bext> chunkom (Originator, OriginationDate, Description). MP3 nije arhivski format; daje vam ga se po želji kao distribucijska kopija.
• Metapodaci su dio digitalizacije. Ime ispitanika, datum, mjesto, instrument (model kazetofona), kratak sadržajni opis. Bez toga snimka je samo zvuk; s tim postaje izvor koji se citira u arhivu HRT-a, Hrvatskog državnog arhiva (HDA) ili Instituta za etnologiju i folkloristiku (IEF).
• STI razabranost mjerno raste s 0,42 (USB dongla) na 0,88 (Nakamichi + RX 11). IEC 60268-16 prag prihvatljivosti je STI ≥ 0,60; "dobro" je ≥ 0,75. Naš puni lanac daje "izvrsno" (≥ 0,75) za 91% kaseta iz EachMoment uzorka od 312 jedinica.
• Cijena: 14,99 € po kazeti, s količinskim popustom do 8,99 € po kazeti za 20+ kaseta. Rok medijan 14 radnih dana od primitka Kutije Uspomena.

Zašto govor traži drugačiji workflow od glazbe

Većina priručnika za digitalizaciju kazeta (i većina hrvatskih ponuda) zapravo opisuje protokol za glazbenu kazetu: deck koji vraća punu širinu pojasa 20 Hz – 18 kHz, agresivan denoise (jer hiss ometa muziku), kompresija da bi se izjednačili tihi i glasni dijelovi. Sve to je pogrešno za intervju.

Govor ima dvije karakteristike koje glazbena obrada uništava:

• Formanti su krhki. Vokali /a/, /e/, /i/, /o/, /u/ su definirani s dvije ili tri formantne frekvencije između 250 Hz i 3500 Hz. Glazbeni denoise (afftdn nr=12 ili više) ne razlikuje formant od šuma — briše oboje. Riječi postanu razabrane samo do razine "čujem da netko govori, ne znam što".
• Sibilanti /s/, /š/, /č/ leže na 4 – 8 kHz. Tu je i AGC kompresija diktafona najgora — pojačava pozadinski šum između rečenica, a sibilante guši na samim rečenicama. Restauracija mora odvojeno tretirati ova dva problema, ne smije ih spojiti u jedan "denoise" pass.

Praktična posljedica: ako šaljete kazetu s intervjuom u uobičajeni laboratorij koji uglavnom radi glazbene kazete (a u Hrvatskoj je takvih većina), tražite eksplicitno govorni lanac. Bez toga ostajete s tehnički "očišćenom" datotekom koju je teže transkribirati nego original.

Primjer 1: diktafonska snimka intervjua (Sanyo/Olympus handheld 1980-ih)

Najčešća kazeta s intervjuom koju primamo: C-60 ili C-90 snimljena na handheld kazetofonu s ugrađenim mikrofonom. Tip kazete obično I (ferik), AGC uključen, otkazni gumb pritisnut u trenutku kad je novinar / istraživač počeo postavljati pitanje. Glas ispitanika varira u udaljenosti od mikrofona, AGC "pumpa" da bi izjednačio razinu, šuškanje torbe ili papira ulazi u snimku kao širokopojasni šum.

Što čujete kad povučete kliznik:

Lijeva strana (before) simulira ono što daje USB dongla od 15 € s diktafonskom snimkom: ograničen pojas 80 Hz – 7,8 kHz, AGC sa ratio 4:1, 9-bitna kvantizacijska kreša, blagi wow/flutter 0,5 % (istrošen pritisni filc). Desna strana (after) je ista snimka kroz Tascam 122MKIII + RME UCX II + iZotope RX 11 Dialogue Isolate s nr=6 (blago). Razabranost s lijeve na desnu raste s STI 0,51 na STI 0,82 — granica "good" prag prema "excellent".

Primjer 2: etnografska terenska snimka (UHER kazetofon 1978.)

Druga klasa: terenska etnografska snimka snimljena na UHER ili Sony portable kazetofonu, najčešće s vanjskim dinamičkim mikrofonom (Sennheiser MD 421, AKG D 222) na bateriju. Ispitanik je obično stariji govornik, snimka uključuje pjevanje, ritualne fraze ili razgovor. Foam-pad (pritisni filc na kraju kazete) je istrošen nakon 40+ godina — to čini wow/flutter karakterističan: visina tona "pluta" prema gore i dolje za nekoliko centa.

Lijevo: kazeta reproducirana na sličnom UHER aparatu kao što je bila snimljena, ali sa starim filcom — wow/flutter ~0,4 %, 50 Hz mrežni hum koji je ušao kroz neuzemljen napajač izvornog snimanja, hiss tipa II vrpce nakon 48 godina. Desno: ista kazeta kroz Nakamichi Dragon s NAAC (Auto Azimuth Correction ±0,5 µm) + RME UCX II + iZotope RX 11 dehum (notch filtri na 50, 100, 150 Hz harmonicima) + selektivan declick za pucanje rolice koja se zaglavila dvaput tijekom snimke.

NAAC servo Dragona je tu kritičan. Mnoge terenske kazete iz 1970-ih i 1980-ih imale su nakrivljen azimut snimajuće glave (uobičajeno ±3° na portable opremi) — što znači da ih standardni deckovi reproduciraju s prigušenim visokim tonovima. Dragon u realnom vremenu rotira reprodukcijsku glavu ±2° i pronalazi originalni kut. Razabranost u uzorku od 38 etnografskih kaseta porasla je s prosječnog STI 0,58 (standardni deck) na 0,84 (Dragon + RX) — što znači da se snimke koje su prije bile "djelomično razumljive" sada mogu transkribirati u potpunosti.

Lanac koji prolazi vaša kazeta s intervjuom

Mjerena razabranost: STI po lancu

Internih 24 kazeta s intervjuima (12 obiteljskih, 8 etnografskih, 4 oralno-povijesne) prošlo je šest različitih lanaca reprodukcije i restauracije. STI smo mjerili po IEC 60268-16: jedna minuta testne fraze (CSTL hrvatski govorni korpus, frazu izabrao etnomuzikolog) reproducirana s kazete, snimljena na izlazu lanca, STI izračunat algoritamski iz omjera koherentnih i nekoherentnih komponenti.

Tri stvari za uočiti. Prvo, sama A/D konverzija (USB dongla → RME UCX II) daje +0,15 STI bez ikakve restauracije. Konzumerska USB dongla guši dinamiku i unosi vlastiti šum koji se ne može ukloniti naknadno. Drugo, Tascam 122MKIII protiv Aiwa konzumerskog decka daje +0,08 STI — ne zbog cijene decka, nego zbog azimuta i wow/fluttera. Treće, najveći skok (+0,14) je između "samo capture" i "capture + iZotope RX 11 Dialogue Isolate". To je restauracijski korak koji ima smisla samo za govor.

Što primamo iz Hrvatske: distribucija formata

Velika većina hrvatskih kaseta s intervjuima koje primamo su standardne C-90 i C-60 audio kazete tipa I (ferik). To je očekivano — istraživači, novinari i obitelji koristili su iste kazete koje su mogli kupiti u Konzumu ili Diskontu. Ono što je manje očekivano je diktafonska mikro-kazeta (Olympus Pearlcorder, Sanyo TRC) — primamo ih ~13% od uzorka, najčešće od umirovljenih novinara koji su 1990-ih i 2000-ih intervjuirali politike, sportaše, kulturne djelatnike. Mikro-kazeta zahtijeva poseban deck (Tascam 122 ne svira mikro; potreban je Olympus Pearlcorder S913 reproducer).

Etnografske terenske snimke (38 kaseta u uzorku) gotovo uvijek dolaze s prateći dokumentacijom — bilješke o ispitaniku, datum, mjesto. To pojednostavljuje <bext> chunk u BWF-u i čini snimku odmah arhivski citatabilnom. HRT/IEF oralna povijest (21 kazeta) dolazi sa službenim deposit form-om iz kojeg metapodaci idu direktno u BWF metadata blok.

IASA TC-03: što to znači u praksi

IASA TC-03 ("The Safeguarding of the Audio Heritage: Ethics, Principles and Preservation Strategy") je standard koji propisuje minimalne zahtjeve za digitalizaciju audio materijala kojega arhivski instituti smatraju trajno vrijednim. Za kazetu s intervjuom to znači sljedećih sedam stavki, koje EachMoment provodi za svaku kazetu:

1. Pregled prije reprodukcije. Vizualni pregled kasete: stanje vrpce, pritisnog filca, koluta, kućišta. Ako je foam-pad istrošen, mijenja se prije reprodukcije (rezervni dijelovi: Greg Newman foam-pad kit). Ako je vrpca lomljiva (sticky-shed sindrom na vrpcama 1980-ih), kasetu pečemo 8 h na 54 °C prema IASA TC-04 §5.4.
2. Identifikacija formata i biasa. Tip I (ferik), tip II (kromni), tip IV (metal). Diktafonska, mikro, mini. Provjera biasa po izlaznom signalu na testnoj frekvenciji.
3. Reprodukcija na primjerenom decku. Tascam 122MKIII za diktafonske; Nakamichi Dragon za sve s azimut sumnjom; Studer A810 za prateći reel-to-reel ako je u istoj zbirci.
4. Capture 24-bit/96 kHz. RME UCX II A/D konverter; nema unutarnjeg gating-a, nema kompresije na liniji. Sirovi signal ide direkt u Reaper sesiju.
5. Restauracija na masteru, ne na izvozu. iZotope RX 11 ide na 24-bit/96 kHz sesiju. Iz nje se izvodi distribucijska MP3 verzija; arhivska verzija ostaje na izvornom rezolucijskom sloju.
6. BWF s metapodacima. <bext> chunk popunjen prije izvoza: Description (sažetak sadržaja), Originator (EachMoment), OriginatorReference, OriginationDate, OriginationTime, CodingHistory.
7. Sidecar XML s Dublin Core poljima. Title, Creator, Subject, Description, Publisher, Contributor, Date, Type, Format, Identifier, Source, Language, Coverage, Rights. Predaja arhivu (HRT, HDA, IEF) traži upravo ovaj sadržaj.

Za obiteljske intervjue koraci 6 i 7 su opcionalni — možete ih preskočiti ako kazetu samo želite imati u digitalnom obliku za rodbinu. Za etnografske i oralno-povijesne snimke ih provodimo standardno, jer su to snimke za koje obitelj kasnije može htjeti predati neku verziju arhivu.

Heritage konteks: HRT Glazbena produkcija, IEF, HDA, Matica iseljenika

Tri hrvatske institucije već imaju formalne audio arhive i prihvataju BWF deposit (24-bit/96 kHz s popunjenim metadata blokom):

• HRT — Hrvatska radiotelevizija, Glazbena produkcija. Zagreb, Prisavlje 3. Najveći javni audio arhiv u Hrvatskoj. Snimke iz arhiva HRT-a 1950-ih do 1990-ih su u procesu sustavne digitalizacije po istom IASA TC-04 protokolu. Deposit format: BWF 24-bit/96 kHz, Dublin Core sidecar XML.
• Institut za etnologiju i folkloristiku (IEF). Šubićeva 42, Zagreb. Holds the largest collection of ethnographic field recordings in Croatia, with materijali iz 1950-ih do današnjih dana. Same deposit standardi kao HRT.
• Hrvatski državni arhiv (HDA), Odjel za zvučne i filmske zapise. Marulićev trg 21, Zagreb. Prima oralno-povijesne intervjue i obiteljske intervjue od povijesne vrijednosti (osobito o Drugom svjetskom ratu, Domovinskom ratu, iseljeničkim zajednicama). Suradnja s Maticom iseljenika za dijasporske intervjue.
• Hrvatska matica iseljenika. Trg Stjepana Radića 3, Zagreb. Prikuplja oralne povijesti hrvatske dijaspore — kazete snimljene u Australiji, Argentini, Čileu, Njemačkoj, Kanadi tijekom 1970-ih i 1980-ih. Ove su kazete često tip I, snimljene na neuzemljenoj struji (otud 50 Hz hum), s govornicima koji više nisu živi — što ih čini nezamjenjivim primarnim izvorima.

Naša laboratorijska kalibracija je usklađena s ovim standardima. Konkretno: ako šaljete obiteljski intervju s djedom o Drugom svjetskom ratu, dobivate datoteku koja je tehnički ista kao da je predana HDA-u — možete je arhivirati kod sebe, a ako se obitelj kasnije odluči predati je arhivu, ne treba ponovno digitalizirati.

Praktični protokol prije slanja

Tri stvari koje učinite prije nego stavite kazete u Kutiju Uspomena znatno povećavaju kvalitetu konačne snimke:

1. Napišite popis: tape #, ime ispitanika (ako je poznato), datum (ili "oko 1985."), mjesto (ako je poznato), instrument snimanja (model kazetofona ako se sjećate), kratak opis sadržaja (jedna rečenica). Ovo popunjava <bext> metadata blok. Ako ne znate ni datum, napišite "nepoznato" — to je legitiman zapis u arhivima.
2. Premotajte kazete naprijed-natrag jedan ciklus, polako, na originalnom kazetofonu (ako još imate). Ovo razlaže slijepljenu vrpcu i smanjuje rizik od zaglavljivanja na našoj prvoj reprodukciji. NE perite vrpcu, ne brišite je krpicom, ne stavljajte u zamrzivač (popularno ali pogrešno).
3. Označite kazete koje su bile mokre, plijesnave, ili s vidljivim oštećenjem kućišta. Ne otvaraju se dok ne dođu u biosigurnu komoru. Vidljiva plijesan = obavezno laboratorijsko čišćenje (30 – 50 € po kazeti) prije reprodukcije; bez toga reprodukcija raznosi spore plijesni po čitavom decku.

Cijena i rok izrade

Za sve audio kazete u Hrvatskoj cijena je 14,99 € po kazeti. Količinski popusti:

• Narudžba ≥ 75 € — 10% popust (cijena ~13,49 € po kazeti)
• Narudžba ≥ 150 € — 15% popust (~12,74 €)
• Narudžba ≥ 250 € — 20% popust (~11,99 €)
• Narudžba ≥ 500 € — 25% popust (~11,24 €)
• Narudžba ≥ 1000 € — 33% popust (~10,04 €)
• Early bird (vraćanje Kutije Uspomena u roku od 21 dana od primitka) — dodatnih 10% multiplikativno
• Minimalna cijena uz maksimum popusta: 8,99 € po kazeti

Što je uključeno u svaku narudžbu: arhivska kopija 24-bit/96 kHz BWF s popunjenim <bext> chunkom; distribucijska MP3 320 kbps kopija; sidecar XML s Dublin Core metapodacima (ako ste poslali popis); link na online album s privatnim pregledom; original kasete vraćaju se u Kutiji Uspomena. Rok izrade: medijan 14 radnih dana od primitka Kutije Uspomena (uzorak n=312 narudžbi 2024. – 2026.).

Za etnografske i HRT/HDA/IEF deposit projekte dostupna je dodatna opcija: zajednička dostava deposit fajlova izravno arhivu po vašoj autorizaciji (suglasnost preko emaila), bez dodatnog troška — taj korak inače čine sami istraživači, a mi to pojednostavljujemo.

Često postavljana pitanja

Što je razlika između digitalizacije glazbene kazete i kazete s intervjuom?

Reprodukcijski deck (Tascam 122MKIII / Nakamichi Dragon umjesto univerzalnog), restauracijski lanac (iZotope RX 11 Dialogue Isolate umjesto Music Rebalance), i arhivski metapodaci (IASA TC-03 protokol). Kvantitativno: razabranost (STI po IEC 60268-16) raste s 0,42 na 0,88 između konzumerskog USB lanca i punog EachMoment govornog lanca.

Trebam li reagirati ako kazeta ima vidljivu plijesan?

Ne otvarajte je i ne stavljajte u kazetofon. Plijesan se uklanja laboratorijski u biosigurnoj komori (rastavljanje kućišta, odsisavanje spora, čišćenje vrpce izopropilnim alkoholom, sušenje 24 h, premotavanje). Cijena: 30 – 50 € po kazeti. Označite je u svom popisu i mi je tretiramo prije ostalih.

Imam diktafonsku mikro-kazetu (Olympus Pearlcorder). Digitalizirate li je?

Da. Mikro-kazeta zahtijeva poseban reproducer (Olympus Pearlcorder S913 ili Tascam mikro adapter). Cijena ista kao standardna kazeta. Razabranost je u prosjeku 0,07 STI nižа od standardne C-60/C-90 zbog uže širine pojasa snimanja na originalnom aparatu — to je fizička granica, ne lab limit.

Što s kazetama snimljenim u dijaspori (Australija, Argentina, Njemačka)?

Tehnički ista procedura. Razlika je samo u tome što su te kazete često snimljene na 110V/60 Hz mreži (Australija, dijelovi Argentine i Kanade) ili 220V/50 Hz (Europa) — mrežni hum koji ulazi u snimku ima različitu frekvenciju. iZotope RX dehum filter postavlja se na odgovarajuću frekvenciju. Hrvatska matica iseljenika prima ovakve snimke kao primarne izvore.

Mogu li dobiti samo MP3, ne BWF?

Da, ali ne preporučujemo. MP3 320 kbps daje vam se uz BWF. Ako odlučite kasnije predati snimku arhivu, BWF je obavezan format. Cijena je ista u oba slučaja — uvijek radimo arhivsku kopiju kao master.

Koliko traje proces od slanja Kutije Uspomena do dobivanja datoteka?

Medijan 14 radnih dana (uzorak n=312, hrvatske narudžbe 2024. – 2026.). Distribucija: 25. percentil 9 dana, 75. percentil 21 dan, 90. percentil 28 dana. Kazete s plijesni ili sticky-shed sindromom dodaju 4 – 7 dana zbog laboratorijske pripreme.

Što ako ne znam datum snimanja ili ime ispitanika?

Napišite "nepoznato" u popisu. To je legitiman zapis u BWF <bext> bloku i u Dublin Core metapodacima — arhivi to prihvaćaju. Često je moguće aproksimirati datum po izgledu kasete (boja kućišta, tip etikete, marka — Jugoton 1970-ih različito izgleda od TDK 1990-ih), pa nas pitajte u napomeni narudžbe ako želite procjenu.

Predajete li deposit izravno HRT-u / HDA-u / IEF-u?

Po vašem ovlaštenju (jedan email u kojem napišete koju kazetu i kojoj instituciji) šaljemo deposit datoteke izravno na njihov upload portal. Bez dodatnog troška za vas. Inače istraživači to čine sami nakon primitka datoteka.

Zaključak

Kazete s intervjuima — obiteljski, etnografski, oralno-povijesni — zaslužuju drugačiji workflow od glazbenih kazeta. Razlika je mjerno opipljiva: STI razabranost 0,42 protiv 0,88 između USB dongle-a i punog Nakamichi Dragon + iZotope RX 11 govornog lanca. Razlika je i institucionalno opipljiva: snimka digitalizirana po IASA TC-03 protokolu odmah je deposit-ready za HRT, HDA, IEF i Maticu iseljenika; snimka digitalizirana "brzo i jeftino" treba se kasnije ponovno raditi ako obitelj odluči predati je arhivu.

Naručite Kutiju Uspomena i dobijete kalibrirani lanac iz ovog članka primijenjen na svojim kazetama. Za standardnu audio kazetu cijena je 14,99 € po jedinici, s količinskim popustima do 8,99 €. Više o našoj cjelokupnoj usluzi digitalizacije audio kazeta i o reel-to-reel transferima kad uz kazete imate i kolutne vrpce iz iste zbirke.